基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究，提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization，PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理，提取能表征路面特征的主要成分，采用学习向量量化神经网络对降维处理后的驾驶数据进行训练，并用于路面特征分类，使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明，所提出的 PCA-LVQ算法能准确识别路面类型特征，路面识别的精度达到 97%，与传统 BP神经网络的路面类型特征识别精度提升 7%；同时，在不同车速下，基于PCA-LVQ算法也能较准确地识别路面类型特征。     

自适应均衡学习的端到端类人驾驶控制决策网络

针对现有端到端自动驾驶网络对于类人驾驶行为与思维特征模拟不足的问题，从类人驾驶特征出发，设计了一个包含时空特征、历史状态特征及未来特征的端到端类人驾驶控制决策网络。采用多层卷积和长短期卷积时序记忆网络（Conv-LSTM），对前方道路视觉感知图像时间序列进行时空特征提取，同时采用一维卷积和长短期时序记忆网络（Long Short-Term Memory，LSTM） 对车辆状态信息时间序列进行历史状态特征提取，进而采用多任务参数共享方式进行当前时刻和未来序列的方向盘转角、车速的控制决策，并以未来序列作为辅助任务督促当前时刻的主任务学习。为更好地耦合汽车纵横向控制参数学习的过程，还提出一种权衡纵横向控制参数损失量级及学习速度的权重自适应方法，并引入容差阈值，建立衡量纵横向控制参数训练效果的评价方法。依托Comma2k19数据集对所构建控制决策网络进行训练和验证，体现出良好的可行性及优越性。     

基于OpenCV的红外图像预处理算法研究

准确获取驾驶员的面部表情特征不仅能够有效判定驾驶员当前驾驶疲劳程度,而且能够为驾驶意图的判断提供可靠基础数据。为了全天候监控驾驶员面部表情特征,提出利用具有良好兼容性和快速处理图像特点的OpenCV获取人的面部表情特征,该算法利用车载红外探头实时采集驾驶员面部图像信息,对采集回来的图像进行滤波以及二值化处理,依据红外红外光谱和夜间驾驶员红外脸图特征对图像进行分割,从中提取出驾驶员脸部区域,从而实现对驾驶员脸部区域的准确定位。     

一种试车场驾驶行为的监控方法

文章设计了一种试车场特定试验道上驾驶行为的监控方法,利用总线数据记录仪实时在总线上采集处理行驶数据,并评估驾驶行为是否满足试验规范的要求.该方法可用于监控和保障耐久试验质量、分析驾驶行为和评估驾驶能力.     

基于车联网的行车数据分析系统设计与实现

为了获取和分析汽车行驶过程中的动态数据,设计和实现了一种行车数据分析系统,该系统包含车载远程控制终端、3G通讯网络、服务平台和远程分析应用网站。车载终端将采集的数据通过3G无线网络上报至服务平台,通过服务平台的处理和分析,最终通过远程分析应用网站呈现给用户。应用于某车型的用户驾驶行为评价的结果表明,该系统可以实现对行车数据的采集、处理、记录、驾驶行为分析等功能。     

基于坐垫体压分布的驾驶员生理状态识别方法

提出一种基于坐垫体压分布识别长途驾驶过程中驾驶员生理状态的方法.开展长途驾驶模拟试验,采集9名被试者在驾驶过程中的坐垫体压分布数据,提取82维分类特征,再采用序列浮动前向选择算法从中选出55维最优特征子空间.试验结果表明,该方法能准确识别驾驶员生理状态,贝叶斯分类正确率可达93.37％.     

基于新能源汽车远程监控数据的驾驶行为识别建模与应用

正本文在基于新能源汽车监控系统采集的驾驶数据基础上,选取具有代表性的6种不良驾驶行为,进行特征分析,并将其归纳为加速度组合类和转弯类2种主要的特征行为,并对不同驾驶行为进行模式识别建模,同时采用多层次模糊评价法对驾驶员进行不良驾驶行为评价案例分析,及采用Spearman非参数统计方法对不良驾驶行为对实际能耗的影响案例分析。     

车载定位系统的应用及关键技术

随着车联网及自动驾驶相关应用的推广与普及,车载定位系统的重要性与日俱增。文章立足于车载定位系统的原理与架构,着重介绍了车载高精定位关键技术的原理和应用,包括传统卫星定位、差分定位、关系导航及组合导航及其组合方案,并在最后对车载定位系统的发展进行总结与展望。为满足自动驾驶相关场景带来的需求和挑战,车载定位系统已在原有的单一全球导航卫星系统（GNSS）定位的基础上,逐步加入差分定位、惯导系统及对前两者进行融合的组合导航,在不断提高定位精度的同时,也进一步增强了车载定位的抗干扰能力及带遮蔽环境下的动态适应能力。     

客车车载视频远程监控系统应用原理及常见故障诊断

正《道路运输车辆动态监督管理办法》要求"两客一危"车辆必须安装、使用具有行驶记录功能的卫星定位装置。传统车载监控系统是以模拟监控为主,随着互联网+的应用,采用车载视频远程监控系统加强道路客运车辆运行过程控制,实现车辆、驾驶人动态管理,强化事故预防分析教育,提高安全规范驾驶水平与意识,最大限度地减少和消除各类违章违规行为,已经成为各大运输企业预防和杜绝重特大事故的重要手段。自2013年以来,笔者所在     

驾驶疲劳检测技术概述

介绍了驾驶疲劳检测的原理,列举了当前常用的驾驶疲劳检测技术并对各种检测技术进行对比分析;从驾驶人疲劳判别的研究、可穿戴设备在驾驶疲劳检测中的应用、多信息融合及多功能智能车载设备的研发、大数据及云计算技术在驾驶人疲劳检测的应用4个方面指出了驾驶疲劳检测的发展趋势.     

连续驾驶时间对驾驶特性测评指标的影响

为了研究连续驾驶时间对驾驶员感知、判断及操作特性的影响,并合理安排驾驶员的工作时间,在分析驾驶特性测评指标的基础上,采用实验心理学测试方法测试并分析不同连续驾驶时间下驾驶特性测评指标及其变化规律,建立了连续驾驶时间与感知、判断及操作特性各测评指标间的关系模型.结果表明:驾驶员一次连续驾驶时间不宜超过3.5 h.研究结果可为相关部门制定或修订有关驾驶时间法规条例提供参考依据.     

基于车载信息调度的驾驶行为控制分析

车载信息系统可向驾驶人提供丰富信息,从而影响驾驶行为,提高道路交通系统运行安全效率.但目前车载信息发布形式与内容并不完善,对驾驶行为控制作用差.为了提高驾驶安全水平,从驾驶人驾驶行为的信息调节特性人手,分析了车载信息不同表达方式及其对驾驶行为控制作用,并探讨将信息进程与驾驶行为进程交互融合.从信息调度的角度,分析车载信息调度形式、参数及可调度的信息集合,分析调度过程,并举例说明如何通过信息调度实现驾驶行为控制,提高车辆运行的安全性、可靠性.研究结果表明,车载信息系统通过发布车载信息影响驾驶行为,能够在一定程度上达到驾驶行为控制目的.针对驾驶人的多感官复合感知特性,将信息进程与行为进程相互融合,采用多种形式的信息调度,能够有效提高其对驾驶行为控制作用.     

符号时间序列方法在汽油机燃烧循环变动特征分析中的应用

应用一种新的分析方法———符号时间序列方法对汽油机燃烧循环变动进行了研究。测量得到了某汽油机16种不同工况下的示功图,从提高精度与有利于数据的符号化观点出发,确定以缸内峰值压力作为汽油机燃烧循环变动的表征参数,把符号时间序列分析的具体技术和实施途径应用于试验数据,获得了汽油机燃烧循环变动随转速与负荷的变化规律,提出了利用改进的SHAN NON熵作为汽油机燃烧循环变动的评价指标的新观点。研究结果表明:该方法能较好地应用于汽油机燃烧循环变动特征分析。     

基于时空融合LSTM网络的驾驶视角轨迹预测

自动驾驶环境感知系统的重要任务之一是对周围交通目标进行轨迹预测,其输出轨迹可为决策控制和路径规划提供所需目标信息.考虑传统轨迹预测方法一般基于俯视视角而难以满足自动驾驶车载感知的实际需求,提出一种基于长短时记忆(LSTM)网络模块、空间交互模块和时间行为注意力模块相融合的驾驶视角轨迹预测算法.为更好体现交通目标与周围环...     

新能源汽车车载监控终端寿命试验研究及应用

车载监控终端是实现新能源汽车安全监管的重要数据来源,因此对其在规定寿命周期内的可靠性要求较高。为了能在较短时间内对其寿命特性进行验证,本文引入高温寿命试验、温度循环寿命试验以及稳态湿热寿命试验等3类常用的耐环境可靠性试验,通过对其数学模型进行分析,结合车载监控终端的典型特征,制定相应的差异化试验方案,对其进行加速老化寿命试验,以缩短试验周期,提高试验效率,降低试验成本。     

不同微观驾驶行为对基本路段交通流运行特征的影响

为了提高道路服务水平,减少道路交通事故,改善车辆设计,开发车载安全装置通过驾驶模拟器和交通仿真相结合的方法,深入探讨个体驾驶行为交通流特征的影响.首先,选取反映驾驶员特征的静态驾驶适性和动态驾驶适性2类指标,通过因子分析、主成份分析及聚类分析方法对驾驶行为特征进行提取,构建不同类型的驾驶行为特征分类.其次,利用驾驶模拟器采集到的实验数据,对不同类型驾驶行为的仿真模型参数进行校准.最后,通过交通仿真技术对不同类型的驾驶行为下交通流特征研究,主要集中在不同车道位置、不同行为下的交通流特征差异.研究结果表明,激进的驾驶行为仿真产生的最大交通量(2200 pcu/h)中等驾驶行为(1800 pcu/h)保守驾驶行为(1700 pcu/h),但激进驾驶行为下的交通流较其他行为显得更加不稳定.因此,提高道路安全水平,需针对呈现此类驾驶行为特征的驾驶员进行重点教育及培训.     

发展车载无线监控技术是客车安防的金钥匙

1公交车载监控受到人们的关注 车载无线监控技术的主要功能是,以视频的形式记录车的行驶情况,除了有监控功能外,还依据客户的实际需求增加了多媒体播放（广告播放）、车速、车号、转速和驾驶资料叠加;除此以外还有GPS＼GPRS及无线传输的功能。     

车用发动机远程监控技术研究

为实现车用发动机远程监控,根据数据传输流程,结合网络传输特性,设计一套车用发动机远程高速数据传输与监控系统。通过ECU下位机数据采集程序、车载控制终端数据传输程序和远程服务器控制程序,将车载控制终端接入互联网并远程高速传输数据。系统采用网络模块实现移动接入互联网,车载监控终端完成发动机数据采集和处理。测试结果表明系统运行稳定,远程监控信息传输准确。     

考虑肌电信号的驾驶人弯道操纵行为分析

驾驶人是"人-车-路"闭环系统中的核心。近年来,研发人性化、个性化的汽车驾驶辅助系统逐渐成为行业热点。为了更加透彻地理解弯道驾驶行为特性,为弯道驾驶辅助系统提供功效评估与优化,提出了一种考虑肌电信号的驾驶人弯道行驶过程操纵行为分析方法。招募12名驾驶人在试验场标准路面上进行实车试验,其中包含6名专业试车师与6名普通驾驶人,要求驾驶人分别以30,40,50 km·h^-1的不同初速度驶入U形弯道并自由驾驶。试验过程中记录驾驶人颈部肌电信号数据和车辆运动状态数据,分析转弯行驶车辆侧向运动对不同驾驶能力的驾驶人生理体验的影响,同时进一步探讨不同类型驾驶人在不同入弯速度条件下颈部肌电信号与侧向加速度的关联差异特性。试验结果表明：相同工况下,专业驾驶人和普通驾驶人颈部肌电特征值存在显著差异,专业驾驶人颈部肌电信号特征与车辆侧向加速度呈现一定的线性关系;随着驾驶任务难度的增加,驾驶能力好的驾驶人能够较好地适应任务的变化,在进行纵侧向耦合操纵时能够较好地协调身体生理反应与车辆侧向运动保持较好的关联特性。研究成果为进一步探索并完善驾驶体验评价方法提供了新的研究思路,同时,可为汽车辅助驾驶系统功能设计与智能汽车行驶性能的用户体验测评提供技术支撑。     

基于MM-STConv的端到端自动驾驶行为决策模型

针对现有端到端自动驾驶模型输入数据类型单一导致预测精确度低的问题，选取RGB图像、深度图像和车辆历史连续运动状态序列作为多模态输入，并利用语义信息构建一种基于时空卷积的多模态多任务（Multimodal Multitask of Spatial-temporal Convolution，MM-STConv）端到端自动驾驶行为决策模型，得到速度和转向多任务预测参量。首先，通过不同复杂度的卷积神经网络提取场景空间位置特征，构建空间特征提取子网络，准确解析场景目标空间特征及语义信息；其次，通过长短期记忆网络（LSTM）编码-解码结构捕捉场景时间上、下文特征，构建时间特征提取子网络，理解并记忆场景时间序列信息；最后，采用硬参数共享方式构建多任务预测子网络，输出速度和转向角的预测值，实现对车辆的行为预测。基于AirSim自动驾驶仿真平台采集虚拟场景数据，以98 200帧虚拟图像及对应的车辆速度和转向角标签作为训练集，历经10 000次训练周期、6 h训练时长后，利用真实驾驶场景数据集BDD100K进行模型的测试与验证工作。研究结果表明：MM-STConv模型的训练误差为0.130 5，预测精确度达到83.6%，在多种真实驾驶场景中预测效果较好；与现有其他主流模型相比，该模型综合场景空间信息与时间序列信息，在预测车辆速度和转向角方面具有明显的优势，可提升模型的预测精度、稳定性和泛化能力。